关于Ling-1T
Ling-1T 是灵 2.0 系列中的首款旗舰非思维模型，具有 1 万亿个总参数，每个 token 活动参数约为 500 亿。基于灵 2.0 架构构建，Ling-1T 旨在突破高效推理和可扩展认知的极限。经过 20 万亿+ 的高质量、推理密集 tokens 的预训练，Ling-1T-base 支持长达 131K 的上下文长度，并在中期训练和后期训练阶段采用进化链式思维（Evo-CoT）过程。这种课程极大地提高了模型的效率和推理深度，使 Ling-1T 在多个复杂推理基准上实现了平衡准确性和效率的先进性能。
探索Ling-1T的高效、可扩展的推理和万亿参数架构如何在各个行业中解决复杂挑战，平衡准确性与无与伦比的效率。
AI驱动的UI/UX生成
将抽象设计概念和自然语言转化为功能性、美观且跨平台的前端代码，利用Ling-1T的视觉推理。
用例示例：
"从Figma设计和自然语言提示生成响应式React Native UI，确保像素级精确呈现和跨设备的最佳用户体验。"
企业代码库优化
分析拥有131K上下文长度的大型代码库，以识别架构缺陷、优化性能瓶颈，并提出详细的重构策略。
用例示例：
"在一个包含500K行代码的分布式Java微服务架构中定位关键竞争条件，提出了一种稳健的线程安全解决方案，提高了系统稳定性。"
自动化合规审计
推理大量法律文件和监管框架，以识别不一致性、潜在风险，并确保符合复杂合规标准。
用例示例：
"审计了一个公司数据处理政策的100页GDPR合规文件，发现五个关键差异并提出精确修正建议，以确保充分合规。"
加速科学发现
分析大量科学文献和实验数据，以制定新假设、验证理论，并通过严谨的步骤推理撰写研究成果。
用例示例：
"处理了TB级的基因组测序数据以识别新的基因疾病关联，生成了一个具有统计显著性的假设以供进一步实验验证。"
智能代理编排
解读高层目标，将其分解为子任务，并编排多个专门化工具或API，以高工具调用精确度自动实现复杂目标。
用例示例：
"协调一系列外部API（CRM，营销自动化，分析）执行一个个性化客户外展活动，根据实时用户参与数据动态调整信息传递。"
元数据
规格
州
Deprecated
建筑
Ling 2.0
校准的
不
专家混合
是
总参数
1000B
激活的参数
50B
推理
不
精度
FP8
上下文长度
131K
最大输出长度
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
inclusionAI
chat
Ling-flash-2.0
发行日期：2025年9月18日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.14
/ M Tokens
Output:
$
0.57
/ M Tokens
inclusionAI
chat
Ling-mini-2.0
发行日期：2025年9月10日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.07
/ M Tokens
Output:
$
0.28
/ M Tokens
inclusionAI
chat
Ring-flash-2.0
发行日期：2025年9月29日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.14
/ M Tokens
Output:
$
0.57
/ M Tokens
inclusionAI
chat
Ling-1T
发行日期：2025年10月11日
上下文长度：
131K
最大输出长度：
Input:
$
0.57
/ M Tokens
Output:
$
2.28
/ M Tokens
inclusionAI
chat
Ring-1T
发行日期：2025年10月14日
上下文长度：
131K
最大输出长度：
Input:
$
0.57
/ M Tokens
Output:
$
2.28
/ M Tokens
